据媒体报道,Facebook研究员开源了其在今年七月发表的一篇论文中的语音合成方法。在论文中,他们提出了一种新的文字转语音的神经网络方法,可以将从开放场景下采样到的声音中提取的文字转化为语音。
说到神经网络,该技术基于新的移位缓冲内存储器区,评估使用者注意力,计算输出音频,以及自身的更新,可用于在开放场景下采样到的声音转化成文字,再转化成语音。该技术的网络架构比现存的同类架构要简单。
此外,通过使用与上下文无关的查找表对输入语句进行编码,该表的每个条目包含一个字符或音素。同样,能通过一个短向量来表示说话者,这个短向量也适用于新说话者。而且在生成音频之前,优先准备好缓冲区可以使生成的语音具有可变性。